算力租金剧烈震荡，AI也要买“保险”

英伟达H100显卡一小时的租金，正在被做成可以交易的金融合约。

这听起来离普通人很远，但对大模型公司、云厂商和算力租赁商来说，GPU（图形处理器）租金每跳动一次，都可能吞掉一部分利润。

训练大模型需要长时间持续占用算力。算力涨价，AI（人工智能）企业的训练成本随之抬升；算力租金回落，重金购卡、自建算力集群的投资方，则要面临营收缩水与硬件资产贬值的双重压力。

CME Group（芝商所）和Silicon Data（算力价格指数公司）原计划推出挂钩英伟达H100、B200显卡租赁价格的期货合约，原定10月5日在NYMEX（纽约商品交易所）挂牌，随后因该产品存在“新颖或复杂”问题被监管延审推迟。

截至10月19日，距离CFTC（美国商品期货交易委员会）对CME Group算力期货完成延长审查，还有二十几天。目前，上市时间仍未确定。

经济观察报近日采访国内头部算力租赁企业、民营算力服务商、中小算力业主、央企算力采购方、大模型公司、云厂商和AIDC（人工智能数据中心）园区运营方发现，即便这款算力期货仍处于监管延审阶段，算力可被期货化定价这件事，也已经把一个现实问题推到中国企业面前——当算力租金像油价那样剧烈波动，谁来替AI企业兜住成本风险。

探路

在纽约，单块GPU算力的小时租赁价格（行业内常简称显卡租金）已经被“塞”进了期货合约的设计图里。

CME Group与Silicon Data设计的两只算力期货，分别挂钩英伟达H100、B200租赁价格。

但在期货合约挂牌临门一脚前，CFTC把审查期延长至11月9日完成。11月9日只是审查截止日，并非上市日。CME Group在后续相关文件中，将该期货合约的初始挂牌日改为待定。

一位接近海外算力交易平台的人士说，过去GPU租赁更像“熟人市场”。谁有卡，谁要卡，交易双方在一个个私下合同里谈定价格。现在交易所想把这种报价搬到公开市场的屏幕上，让它变成一条公开曲线。难处也在这里。CFTC此前启动公众意见征询时，已经点出GPU租赁市场“碎片化、不透明”，价格多由双边合同确定，监管担心头部主体影响结算指数，进而操纵期货价格。

往里冲的不只CME Group。

ICE（洲际交易所）已经和Ornn（算力价格指数公司）合作，准备推出基于OCPI（Ornn算力价格指数）的GPU算力期货。9月29日，ICE发布公告称，自10月5日起在交易平台提供Ornn Compute Index（Ornn算力指数）参考数据和假设性每日结算价，首批合约覆盖H100和B200显卡。它们还在等待监管程序完成。

更早跑出来的是Kalshi（美国预测市场交易所）。它做的不是NYMEX式标准化期货，而是GPU算力价格预测合约和远期曲线。3月，Kalshi上线首批GPU算力小时价格预测合约。7月14日，它又推出覆盖B200、H200、A100的算力远期曲线。Kalshi首席执行官Tarek Mansour此前公开称，算力是“新的石油”。

价格波动已经摆在账面上。Silicon Data公开数据和多家行业平台统计显示，H100显卡的租金曾在2024年上半年处于每GPU每小时约8美元的高位，2025年后其租金持续下行，一些平台报价已跌到2美元以下。Kalshi相关数据曾显示，B200显卡的小时租金在5月30日达到6.11美元，6月21日降至4.22美元，不到一个月跌幅约31%。

这正是金融机构想切入的地方。

Architect（加密衍生品平台）也在推GPU算力“永久期货”。它由前FTX US（FTX美国公司）总裁Brett Harrison创办，产品跟踪GPU日租金和DRAM（动态随机存取存储器）价格。Nodal Exchange（美国电力衍生品交易所）则从电力市场切入，9月宣布与Compute Desk（算力指数公司）合作，拟推出GPU算力期货。

海外平台在探路，中国企业则在试算。

国内头部算力租赁企业业务负责人张磊告诉经济观察报，他们一直关注海外GPU远期和衍生品动态，但没有直接照搬。他说：“国内没有成熟的公开算力定价指数，行业大量交易都是私下谈出来的双边合同，所以只能把风险消化在供需双方之间。”

杭州民营算力服务商周博也看过Kalshi的GPU租金远期曲线。他过去锁定过一批A800显卡，临交付时被对方砍掉30%的配额，价格还涨了15%。那次损失只能自己扛。周博说，海外曲线可以当行情参考，但真正要对抗上游配额被砍、临时涨价，现阶段还是靠多渠道备货、安全库存和商务合同。

算力大买家的焦虑

张磊所在企业过去依靠3至5年长单、客户预付保证金，以及闭口锁价条款（也就是合同期内无论市场算力租金涨跌，双方都按约定固定价格结算），把未来算力租金波动提前锁进合同里。客户提前锁住成本，服务商也提前锁住一部分销售毛利。

这套办法对头部企业有效，对中小玩家就没那么容易。

周博表示，中型服务商议价能力弱，上游拿货成本说涨就涨，下游又有大厂云服务商压价。他说：“成本端的冲击会更致命。”他不敢把涨价全部转出去，因此企业的利润经常被两头挤。

算力价格波动传到使用端，变成另一种账。

一家大模型公司算力基础设施负责人告诉经济观察报，他们现在采用自购显卡和外部租赁显卡混合的方式：核心训练集群自购一部分卡，作为长期基础盘；模型调优、推理业务、临时实验和突发扩容，更多依靠外部租赁。租赁算力占比在四成上下浮动。

过去一年，外部算力租金波动明显。高端训练卡的价格从前两年高位回落，但一遇到货源紧张，或者大客户集中下单，报价又会反弹。推理卡的供给更充足，租金价格下行更明显。

这位负责人说，如果遇到租金单边上涨的情况，租赁算力的成本变化可能直接影响项目毛利3到5个百分点。模型上线后，会持续消耗推理算力。如果显卡租金突然抬升，面向客户的服务价格又不能同步上调，利润将很快被压薄。

他们已经在用实体办法避险。该公司会提前和头部算力运营商签一年到两年的长协，锁定基础算力规模和单价。同时留出一部分弹性额度，应对临时扩容。金融衍生品也被摆上内部会议桌，但还没有进入执行环节。该公司和期货机构做过初步交流，财务和风控的态度是谨慎观望。

央企采购端的顾虑又多一层。

何方是一家海洋油气央企的算力采购负责人。该公司租用算力，主要用于地震资料处理、油气藏数值模拟等重负载计算。一个任务可能连续跑几周甚至数月。算力一旦中断，影响的不只是租金，整个勘探项目都会往后拖。

过去一两年，他看到国内智算园区报价波动明显。高性能进口卡的租金从高位回落，但阶段性货源紧张时又会反弹。国产算力集群供给放量后，价格继续下行。不同园区之间，同规格算力报价能差到两成。

但何方最怕的不是涨价。有些园区签约之后遇到电力缺口、限电、临时停机。项目有固定工期，算力一断，现场勘探队伍等待、资料处理延期，都会变成连锁成本。他更相信实体长协。长协能写清楚卡型、规模、供电保障、停机赔付。金融合约能锁价格，却不能保证算力到时一定交付。

云厂商也在调自己的产品结构。一位云厂商GPU云实例产品负责人告诉经济观察报记者，小团队喜欢按小时弹性使用。大模型训练和长期推理客户更愿意签包年或多年预留资源。云厂商会给重点大客户固定单价，但设置资源额度。额度内按协议价，超出部分随行就市。

从租赁商到大模型公司，从央企采购方到云厂商，大家都在用合同、预付款、预留实例、多供应商采购，给算力价格波动加一道缓冲。也正因为这些土办法越来越多，金融机构看到了新的入口。

供给觉醒

南华期货已经迈出了一步。

9月，南华期货旗下横华国际与Silicon Data签署战略合作备忘录。合作内容围绕GPU算力定价、远期曲线、算力互换与期权展开。Silicon Data正是CME Group两只算力期货的指数合作方，提供H100和B200显卡租赁价格指数。

这份备忘录释放了一个信号：算力价格风险，开始进入国内期货机构的产品讨论里。

产业端也在等这样的工具，只是等得很谨慎。

一家江苏省的智算中心企业AIDC业务负责人告诉经济观察报，该公司从轻资产“二房东”模式转向自建万卡级智算中心之后，风险结构发生很大变化。过去做转租，行情差可以少拿卡、收缩规模。现在服务器、机柜、电力配套都是一次性大额投入，硬件一上架，折旧就是刚性的。

他最担心两件事。一是未来算力租金下行，已经建好的集群收入达不到预期。二是新一代芯片落地后，存量卡残值快速下跌。远期、互换这类工具能对冲一部分租金下行风险，却很难覆盖硬件本身的贬值。

上述AIDC业务负责人说，他所在的企业，集群里有国产卡，也有进口卡，不同卡型租金曲线并不一致。如果衍生品只锚定单一型号，很难匹配混合资产池。做交易还要占用保证金，会挤压重资产项目的建设和运维资金。

但他并不排斥金融机构进场。他更希望先看到能锁定未来租金收入的工具。上述AIDC业务负责人说：“万卡集群一旦建成，固定成本已经投出去。”如果未来市场租金持续下跌，上架后的收入达不到预期，会直接影响项目回报。金融机构如果能设计贴合国内智算真实行情、匹配混合卡池的远期合约，帮他们锁一部分未来收入，价值会更高。

AI园区运营方李哲也收到了客户的锁价需求。他所在园区的大型企业、央企、头部AI公司客户，多数签1到3年长约，锁定算力规模、基础电价和基础租金。中小AI团队更多选择季度、半年或按月订单。最近两年，越来越多的客户提出价格重审条款，希望每半年根据市场行情重新评估租金。

如果未来金融机构推出算力远期合约，李哲愿意做桥梁，把有锁价需求的客户介绍给专业机构。但他不会自己下场做交易。他担心责任边界。远期合约是金融交易，后续如果指数偏离现货、流动性不足，或者客户亏损，园区方很容易被卷入纠纷。

国内中小算力业主对本土工具也有期待。

宁夏中卫中小算力租赁业主马洪远手里主要是昇腾910、海光DCU等国产AI算力芯片。和英伟达GPU不同，昇腾属于NPU、海光DCU为深度计算单元，并非传统图形显卡。他说，海外算力期货挂钩英伟达H100、B200GPU美元租赁行情，和他们不是一个市场。芯片型号、客户群体、计价货币、交易地域都不一样。即使能参与，也没有实际对冲意义。

他更希望国内能出现挂钩国产显卡租赁行情的公开价格基准。过去两年，国产算力市场分化明显。推理型国产算力供给上来后，这类显卡价格一路往下走。能做大模型训练的高性能国产显卡，价格相对坚挺。

马洪远算过账。算力利用率低于70%，该算力企业基本亏损；算力利润率达到80%以上，企业才有薄利；达到90%以上，企业才能赚到像样的利润。对他来说，价格工具最多锁住租赁单价，不能保证客户一定来租。公开价格基准有价值，但不能替代真实订单。

海外交易所还在等监管审查。国内企业已经在合同里、产品里、采购制度里先做了一轮避险。南华期货与Silicon Data的合作，把金融机构带到了门口。产业方给出的需求也越来越具体。头部租赁商想管理散租敞口，中型服务商想锁采购成本，重资产数据中心想平滑未来收入，大买家想稳定年度预算。

但每个人也都在提醒同一件事。指数要贴近真实现货，合约要匹配国内卡型和交易习惯，流动性要足够，合规边界要清楚。否则，算力风险还没有被对冲，新的交易风险会先被带进来。

本文来自微信公众号“经济观察报”，作者：王雅洁，36氪经授权发布。